超节点如何打通国产算力“任督二脉”？

　　大模型参数规模正呈现指数级增长趋势。以DeepSeek为例，其早期模型总参数量仅670亿，而最新DeepSeek-V4-Pro总参数量已达1.6万亿。与此同时，前沿语言模型训练成本平均每年增长约3.5倍，大约每7个月翻一倍，从GPT-3时期的数百万美元提升至GPT-4时期的数千万乃至近2亿美元。

　　传统计算集群正面临前所未有的物理极限与通信瓶颈。万亿级超大模型无法被装进单一服务器显存，必须进行复杂的模型并行与流水线拆分，导致数以万计的GPU在训练过程中需要进行频繁且海量的数据交换。

　　在此背景下，将成百上千颗芯片“像一台计算机一样”协同使用的超节点，或成为国产算力突破系统性能瓶颈的重要路径。

　　超节点是面向大模型训练与推理构建的新型高密度算力系统，其核心是通过高速、低时延的Scale-up互联，将数百颗甚至数千颗GPU、NPU或其他AI加速芯片连接为一个统一的逻辑计算单元。超节点的优势不仅体现在带宽更高和延迟更低，还体现在更大的逻辑显存空间、更强的并行能力，以及对MoE模型、长上下文和强化学习任务的适配能力。

　　机构认为，超节点是国产算力突破单卡性能瓶颈、实现弯道超车的关键路径。在WAIC 2026大会上，华为昇腾Atlas 950超节点真机首秀，代表了国产算力系统的最高水平；昆仑芯科技推出32/64卡整柜超节点方案；中科曙光（603019）展出面向十万卡级的ScaleX全国产超集群；沐曦股份、摩尔线程、天数智芯等国产GPU/加速卡厂商，以及联想、浪潮等系统厂商亦密集亮相。

　　超节点的高密度、高功率特征，正将算力瓶颈从GPU推向交换网络与散热环节，进而为产业链升级创造全新机遇。综合机构观点，建议关注以下核心方向：

　　一是网络端：超节点时代交换芯片需求将实现10-20倍的增长，重要性等同于AI芯片。传统八卡级场景下交换芯片与GPU配比约为1:20，GPU间无需一对一通信；而超节点时代GPU间需频繁互通，交换芯片需求大幅提升；

　　二是计算端：通过集群效应弥补单卡性能短板，超节点将推动CSP厂商加大对国产AI芯片的采购力度。服务器厂商将逐步摆脱代工组装角色，净利率有望提升；

　　三是AIDC端：超节点时代国产卡占比提升、整体功耗更高，将推动AIDC需求爆炸式增长。当前能耗管控严格，AIDC建设周期一年以上，扩产缓慢，供需已从紧平衡走向失衡，局部地区零售AIDC已出现涨价；

　　四是散热端：单柜功率密度快速攀升下，冷板式与浸没式液冷正从“可选”走向“必选”。正交背板以零线缆、低时延、易散热等优势，被视为破解超节点内部带宽瓶颈的潜在方案。

　　风险提示：AI进展不及预期；宏观经济及汇率波动；半导体周期下行风险。以上内容综合自华泰证券、国联民生（601456）、招商证券、长城证券（002939）等近期已公开的证券研究报告，不构成任何投资建议，敬请投资者注意投资风险。